10.3969/j.issn.1673-5862.2007.04.018
一种改进的K近邻法在模式识别中的应用
针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,从而确保了聚类的质量.同时K近邻算法中引入的最近间隔值,既确定了近邻点的搜索半径,又保障了搜索的准确性.通过实验证实,该方法不但节省时间,还有较高的识别率.
K近邻法、聚类、特征选取
25
TP391.4(计算技术、计算机技术)
2008-01-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
475-478